cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota adm. jakarta pusat,
Dki jakarta
INDONESIA
Jurnal Sains & Teknologi Modifikasi Cuaca
Published by Badan Pengkajian dan Penerapan Teknologi
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Education
Arjuna Subject : -
Articles 12 Documents
 1   2 
Search results for , issue "Vol. 21 No. 1 (2020): June 2020" : 12 Documents clear
ANALISIS SPASIAL INDEK STABILITAS UDARA DI INDONESIA Fibriantika, Eka; Mayangwulan, Dian
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4005

Abstract

Indeks stabilitas udara merupakan salah satu parameter yang dapat dihasilkan dari pengolahan data radiosonde. Pemetaan kondisi indeks stabilitas udara di Indonesia belum dilakukan. Diduga terdapat hubungan antara indeks stabilitas udara dengan curah hujan. Data yang digunakan dalam kajian ini adalah data Radiosonde 22 stasiun pengamatan dan data TRMM wilayah Indonesia Tahun 2019. Kajian ini bertujuan menganalisis indeks stabilitas udara di Indonesia secara spasial dan melihat hubungan antara antara indeks stabilitas udara dengan curah hujan. Berdasrkan kajian yang telah dilakukan, bulan Januari merupakan bulan dengan nilai KI, SI, LI, dan TT paling kuat diikuti dengan sebaran curah hujan bulanan yang tinggi. Sedangkan bulan September merupakan bulan paling stabil dengan nilai KI, SI, LI, dan TT paling lemah diikuti dengan kondisi kering di Indonesia. Pergerakan pelemahan indeks stabilitas udara dimulai dari wilayah NTT, NTB, Bali hingga terus melebar ke arah utara dimulai pada bulan Juni, dan perlahan menguat pada bulan Oktober.
PREDIKSI HUJAN BULANAN PADA PERIODE ENSO (El NINO SOUTHERN OSCILLATION) MENGGUNAKAN ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM) DI BANJARMANGU, BANJARNEGARA Safril, Agus; Kurniawan, Fakhrul; Virgianto, Rista Hernandi
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4028

Abstract

Akurasi prediksi curah hujan yang tinggi diperlukan untuk mendapatkan informasi yang tepat dan bermanfaat untuk tindakan mitigasi bencana alam oleh masyarakat. Untuk mendapatkan akurasi yang tinggi diperlukan variabel prediktor yang secara fisis terkait erat dengan curah hujan dan dapat menangkap pola anomali curah hujan akibat El Ni?o Southern Oscillation (ENSO). Total Column Water (TCW) sebagai variabel prediktor yang dipilih merupakan potensi uap air di atmosfer yang berpeluang menjadi hujan yang jatuh di permukaan bumi. Data TCW merupakan data reanalisis Model Sirkulasi Global (Global Circulation Model) yang diambil dari European Centre for Medium-Range Weather Forecasts (ECMWF). Analisis korelasi dilakukan untuk mendapatkan tingkat keterhubungan antara prediktor dengan curah hujan. Model prediksi Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan untuk memprediksi curah hujan yang bersifat chaotic. Hasil penelitian menunjukkan pola klimatologis prediktor TCW sesuai pola curah hujan klimatologis dengan kekuatan relasi (r) 0,79. Hasil penelitian menunjukkan pola klimatologis prediktor TCW mengikuti pola curah hujan klimatologis dengan kekuatan relasi r(0,79) pada skala bulanan dan r(0,73) pada skala dasarian. Korelasi antara prediksi dan curah hujan observasi sebesar 0,82. Korelasi paling rendah pada saat terjadi pola Normal, El Ni?o dan La Ni?a pada tahun 2016 yakni 0,69, diikuti tahun 2014 saat Fase Normal dan El Ni?o sebesar 0,77, dan saat El Ni?o dominan mencapai korelasi tertinggi yaitu 0,93 di tahun 2015. Pada prediksi hujan skala dasarian menunjukkan tingkat keandalan yang tidak jauh berbeda dengan prediksi hujan bulanan dengan nilai r(0,65) pada periode La Ni?a dan r(0,80) pada periode El Ni?o.
PERBANDINGAN TEKNIK WARM DAN COLD START PADA MODEL WRF-3DVAR ASIMILASI DATA RADAR PADA PREDIKSI HUJAN LEBAT DI WILAYAH SURABAYA DAN SEKITARNYA Rahma, Nayla Alvina; Paski, Jaka Anugrah Ivanda
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4078

Abstract

Penelitian ini bertujuan untuk mengetahui perbedaan hasil prediksi hujan WRF-3DVAR asimilasi data radar dengan menggunakan teknik warm start (spin-up 12 jam) dan cold start (tanpa spin-up). Kejadian hujan yang dianalisis adalah kejadian hujan lebat tanggal 19-20 Januari 2019 di wilayah Surabaya dan sekitarnya. Data yang digunakan untuk simulasi adalah data Global Forescast System (GFS) dan data reflektivitas radar cuaca BMKG Surabaya produk Constant Altitude Plan Position Indicator (CAPPI). Analisis dilakukan dengan membandingan kondisi awal model pada parameter suhu dan kelembaban udara untuk mengetahui efek dari metode asimilasi data. Uji keandalan model dilakukan dengan melakukan verifikasi dikotomi (hujan/tidak hujan) hasil luaran model WRF dengan data hujan di 4 titik pengamatan, yaitu di Stasiun meteorologi Juanda, Stasiun meteorologi Perak, Stasiun Klimatologi Karangploso, dan Stasiun Geofisika Tretes. Hasil menunjukkan bahwa asimilasi data radar dengan mode cold start mempunyai hasil yang lebih baik dibandingkan dengan warm start, yang ditandai dengan lebih tingginya nilai Probability of Detection (POD) dan lebih rendahnya False Alarm Ratio (FAR). Asimilasi data dengan menggunakan mode cold start memiliki performa yang lebih baik dalam mendeteksi curah hujan per jam dengan ambang batas >1 mm dan >5 mm, sedangkan curah hujan >10 mm per jam lebih baik diprediksi menggunakan mode warm start.
IDENTIFIKASI GRAVITY WAVES MENGGUNAKAN HIGH PASS FILTER WATER VAPOR BAND SATELIT HIMAWARI DAN DATA MODEL NUMERIK Kusuma, I Kadek Nova Arta; Setiabudi, Firman; Fibriantika, Eka; Swarinoto, Yunus Subagyo
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4143

Abstract

Di Indonesia, pemanfaatan citra satelit dan model numerik menjadi acuan utama dalam kegiatan operasional cuaca penerbangan. Fenomena cuaca penerbangan yang masih sulit dideteksi adalah clear air turbulence (CAT). Salah satu penyebab terjadinya CAT adalah adanya gravity wave yang terbentuk di atmosfer. Pada paper ini akan ditunjukkan studi kasus fenomena gravity wave yang diidentifikasi menggunakan metode high pass filter pada water vapor band satelit Himawari dan dianalisis menggunakan model ECMWF 0.125 degree. Dari hasil penelitian diperoleh bahwa metode high pass filter dapat membantu mengenali fenomena gravity wave menjadi lebih mudah dalam bentuk paralel strips.  Pada studi kasus ini, gravity wave terbentuk karena selisih angin yang besar pada lapisan 200 mb dan 250 mb sehingga membentuk vertical wind shear dan cloud billows yang terdeteksi pada Water Vapor Band dan memiliki pola tegak lurus terhadap angin.
POLA SPASIAL DAN TEMPORAL JENIS AWAN DI SELATAN INDONESIA BERDASARKAN KANAL IR1 HIMAWARI-8 PADA PERIODE MUSIM HUJAN Muharsyah, Robi; Fitrianti, Novi
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4158

Abstract

Banyak kajian yang telah membahas perkiraan jenis awan atau intensitas curah hujan menggunakan citra satelit cuaca HIMAWARI-8, namun umumnya dalam skala wilayah yang kecil (pada satu kota) dan rentang waktu yang singkat (pengamatan beberapa jam). Penelitian ini bertujuan untuk mengidentifikasi pola spasial dan temporal jenis awan yang diduga dari kanal IR1 HIMAWARI-8, pada cakupan wilayah yang lebih luas, yaitu di bagian selatan Indonesia (80E-150E;15S-1N), serta pada periode pengamatan lebih lama (musim hujan 2017/2018). Metode Convective Stratiform Technique (CST) dipilih untuk menduga jenis awan Stratiform dan Cumuliform. Hasilnya secara temporal, awan Stratiform lebih dominan muncul pada sore hingga malam hari. Kemudian secara spasial, bagian barat di selatan Indonesia selalu diliputi awan Stratiform dari pagi hingga malam hari. Berdasarkan jumlah awan Cumuliform, puncak musim hujan terjadi pada 21–31 Januari 2018. Penelitian ini juga menunjukkan bahwa juga jumlah pixel awan Cumuliform berkorelasi kuat (r>0,75) terhadap jumlah pixel citra Global Satellite Mapping of Precipitation Near Real Time (GSMaP) dengan intensitas curah hujan >0,1 mm/jam. Terakhir, penelitian ini memberikan suatu pendekatan baru untuk mengukur akurasi antara jenis awan yang diduga dari kanal IR1 HIMAWARI-8 dengan terjadinya curah hujan di suatu wilayah yang dapat dipakai untuk mengevaluasi fenomena pada skala meso seperti Mesoscale Convective Complex (MCC).
Preface JSTMC Vol.21 No.1 June 2020 : Foreword and Acknowledgement Vol. 21 No. 1, June 2020, Preface JSTMC
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Appendix JSTMC Vol.21 No.1 June 2020 : Author Index & Keyword Index Vol. 21 No. 1, June 2020, Appendix JSTMC
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

ANALISIS SPASIAL INDEK STABILITAS UDARA DI INDONESIA Eka Fibriantika; Dian Mayangwulan
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4005

Abstract

Indeks stabilitas udara merupakan salah satu parameter yang dapat dihasilkan dari pengolahan data radiosonde. Pemetaan kondisi indeks stabilitas udara di Indonesia belum dilakukan. Diduga terdapat hubungan antara indeks stabilitas udara dengan curah hujan. Data yang digunakan dalam kajian ini adalah data Radiosonde 22 stasiun pengamatan dan data TRMM wilayah Indonesia Tahun 2019. Kajian ini bertujuan menganalisis indeks stabilitas udara di Indonesia secara spasial dan melihat hubungan antara antara indeks stabilitas udara dengan curah hujan. Berdasrkan kajian yang telah dilakukan, bulan Januari merupakan bulan dengan nilai KI, SI, LI, dan TT paling kuat diikuti dengan sebaran curah hujan bulanan yang tinggi. Sedangkan bulan September merupakan bulan paling stabil dengan nilai KI, SI, LI, dan TT paling lemah diikuti dengan kondisi kering di Indonesia. Pergerakan pelemahan indeks stabilitas udara dimulai dari wilayah NTT, NTB, Bali hingga terus melebar ke arah utara dimulai pada bulan Juni, dan perlahan menguat pada bulan Oktober.
PREDIKSI HUJAN BULANAN PADA PERIODE ENSO (El NINO SOUTHERN OSCILLATION) MENGGUNAKAN ANFIS (ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM) DI BANJARMANGU, BANJARNEGARA Agus Safril; Fakhrul Kurniawan; Rista Hernandi Virgianto
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4028

Abstract

Akurasi prediksi curah hujan yang tinggi diperlukan untuk mendapatkan informasi yang tepat dan bermanfaat untuk tindakan mitigasi bencana alam oleh masyarakat. Untuk mendapatkan akurasi yang tinggi diperlukan variabel prediktor yang secara fisis terkait erat dengan curah hujan dan dapat menangkap pola anomali curah hujan akibat El Ni?o Southern Oscillation (ENSO). Total Column Water (TCW) sebagai variabel prediktor yang dipilih merupakan potensi uap air di atmosfer yang berpeluang menjadi hujan yang jatuh di permukaan bumi. Data TCW merupakan data reanalisis Model Sirkulasi Global (Global Circulation Model) yang diambil dari European Centre for Medium-Range Weather Forecasts (ECMWF). Analisis korelasi dilakukan untuk mendapatkan tingkat keterhubungan antara prediktor dengan curah hujan. Model prediksi Adaptive Neuro Fuzzy Inference System (ANFIS) digunakan untuk memprediksi curah hujan yang bersifat chaotic. Hasil penelitian menunjukkan pola klimatologis prediktor TCW sesuai pola curah hujan klimatologis dengan kekuatan relasi (r) 0,79. Hasil penelitian menunjukkan pola klimatologis prediktor TCW mengikuti pola curah hujan klimatologis dengan kekuatan relasi r(0,79) pada skala bulanan dan r(0,73) pada skala dasarian. Korelasi antara prediksi dan curah hujan observasi sebesar 0,82. Korelasi paling rendah pada saat terjadi pola Normal, El Ni?o dan La Ni?a pada tahun 2016 yakni 0,69, diikuti tahun 2014 saat Fase Normal dan El Ni?o sebesar 0,77, dan saat El Ni?o dominan mencapai korelasi tertinggi yaitu 0,93 di tahun 2015. Pada prediksi hujan skala dasarian menunjukkan tingkat keandalan yang tidak jauh berbeda dengan prediksi hujan bulanan dengan nilai r(0,65) pada periode La Ni?a dan r(0,80) pada periode El Ni?o.
PERBANDINGAN TEKNIK WARM DAN COLD START PADA MODEL WRF-3DVAR ASIMILASI DATA RADAR PADA PREDIKSI HUJAN LEBAT DI WILAYAH SURABAYA DAN SEKITARNYA Nayla Alvina Rahma; Jaka Anugrah Ivanda Paski
Jurnal Sains & Teknologi Modifikasi Cuaca Vol. 21 No. 1 (2020): June 2020
Publisher : BPPT

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29122/jstmc.v21i1.4078

Abstract

Penelitian ini bertujuan untuk mengetahui perbedaan hasil prediksi hujan WRF-3DVAR asimilasi data radar dengan menggunakan teknik warm start (spin-up 12 jam) dan cold start (tanpa spin-up). Kejadian hujan yang dianalisis adalah kejadian hujan lebat tanggal 19-20 Januari 2019 di wilayah Surabaya dan sekitarnya. Data yang digunakan untuk simulasi adalah data Global Forescast System (GFS) dan data reflektivitas radar cuaca BMKG Surabaya produk Constant Altitude Plan Position Indicator (CAPPI). Analisis dilakukan dengan membandingan kondisi awal model pada parameter suhu dan kelembaban udara untuk mengetahui efek dari metode asimilasi data. Uji keandalan model dilakukan dengan melakukan verifikasi dikotomi (hujan/tidak hujan) hasil luaran model WRF dengan data hujan di 4 titik pengamatan, yaitu di Stasiun meteorologi Juanda, Stasiun meteorologi Perak, Stasiun Klimatologi Karangploso, dan Stasiun Geofisika Tretes. Hasil menunjukkan bahwa asimilasi data radar dengan mode cold start mempunyai hasil yang lebih baik dibandingkan dengan warm start, yang ditandai dengan lebih tingginya nilai Probability of Detection (POD) dan lebih rendahnya False Alarm Ratio (FAR). Asimilasi data dengan menggunakan mode cold start memiliki performa yang lebih baik dalam mendeteksi curah hujan per jam dengan ambang batas >1 mm dan >5 mm, sedangkan curah hujan >10 mm per jam lebih baik diprediksi menggunakan mode warm start.

Page 1 of 2 | Total Record : 12

 1   2 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol. 23 No. 2 (2022): December 2022 Vol. 23 No. 1 (2022): June 2022 Vol. 22 No. 2 (2021): December 2021 Vol. 22 No. 1 (2021): June 2021 Vol. 21 No. 2 (2020): December 2020 Vol. 21 No. 1 (2020): June 2020 Vol 20, No 2 (2019): December 2019 Vol. 20 No. 2 (2019): December 2019 Vol 20, No 1 (2019): June 2019 Vol. 20 No. 1 (2019): June 2019 Vol 19, No 2 (2018): December 2018 Vol. 19 No. 2 (2018): December 2018 Vol 19, No 1 (2018): June 2018 Vol. 19 No. 1 (2018): June 2018 Vol 19, No 1 (2018): June 2018 Vol 19, No 2 (2018) Vol. 18 No. 2 (2017): December 2017 Vol 18, No 2 (2017): December 2017 Vol 18, No 2 (2017): December 2017 Vol 18, No 1 (2017): June 2017 Vol. 18 No. 1 (2017): June 2017 Vol 18, No 1 (2017): June 2017 Vol. 17 No. 2 (2016): December 2016 Vol 17, No 2 (2016): December 2016 Vol 17, No 2 (2016): December 2016 Vol. 17 No. 1 (2016): June 2016 Vol 17, No 1 (2016): June 2016 Vol 17, No 1 (2016): June 2016 Vol 16, No 2 (2015): December 2015 Vol 16, No 2 (2015): December 2015 Vol. 16 No. 2 (2015): December 2015 Vol 16, No 1 (2015): June 2015 Vol 16, No 1 (2015): June 2015 Vol. 16 No. 1 (2015): June 2015 Vol 15, No 2 (2014): December 2014 Vol 15, No 2 (2014): December 2014 Vol. 15 No. 2 (2014): December 2014 Vol. 15 No. 1 (2014): June 2014 Vol 15, No 1 (2014): June 2014 Vol 15, No 1 (2014): June 2014 Vol. 14 No. 2 (2013): December 2013 Vol 14, No 2 (2013): December 2013 Vol 14, No 2 (2013): December 2013 Vol 14, No 1 (2013): June 2013 Vol. 14 No. 1 (2013): June 2013 Vol 14, No 1 (2013): June 2013 Vol 13, No 2 (2012): December 2012 Vol 13, No 2 (2012): December 2012 Vol. 13 No. 2 (2012): December 2012 Vol 13, No 1 (2012): June 2012 Vol. 13 No. 1 (2012): June 2012 Vol 13, No 1 (2012): June 2012 Vol. 12 No. 2 (2011): December 2011 Vol 12, No 2 (2011): December 2011 Vol 12, No 2 (2011): December 2011 Vol. 12 No. 1 (2011): June 2011 Vol 12, No 1 (2011): June 2011 Vol 12, No 1 (2011): June 2011 Vol 11, No 2 (2010): December 2010 Vol. 11 No. 2 (2010): December 2010 Vol 11, No 2 (2010): December 2010 Vol 11, No 1 (2010): June 2010 Vol 11, No 1 (2010): June 2010 Vol. 11 No. 1 (2010): June 2010 Vol. 3 No. 2 (2002): December 2002 Vol 3, No 2 (2002): December 2002 Vol 3, No 2 (2002): December 2002 Vol 3, No 1 (2002): June 2002 Vol. 3 No. 1 (2002): June 2002 Vol 3, No 1 (2002): June 2002 Vol 2, No 1 (2001): June 2001 Vol 2, No 1 (2001): June 2001 Vol. 2 No. 1 (2001): June 2001 Vol 1, No 2 (2000): December 2000 Vol 1, No 2 (2000): December 2000 Vol. 1 No. 2 (2000): December 2000 Vol 1, No 1 (2000): June 2000 Vol 1, No 1 (2000): June 2000 Vol. 1 No. 1 (2000): June 2000 More Issue